Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Perceptual license plate super-resolution with CTC loss

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F20%3APU147774" target="_blank" >RIV/00216305:26230/20:PU147774 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/67985556:_____/20:00525022

  • Výsledek na webu

    <a href="http://dx.doi.org/10.2352/ISSN.2470-1173.2020.6.IRIACV-052" target="_blank" >http://dx.doi.org/10.2352/ISSN.2470-1173.2020.6.IRIACV-052</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.2352/ISSN.2470-1173.2020.6.IRIACV-052" target="_blank" >10.2352/ISSN.2470-1173.2020.6.IRIACV-052</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Perceptual license plate super-resolution with CTC loss

  • Popis výsledku v původním jazyce

    We present a novel method for super-resolution (SR) of license plate images based on an end-to-end convolutional neural networks (CNN) combining generative adversial networksn(GANs) and optical character recognition (OCR). License plate SR systems play an important role in number of security applications such as improvement of road safety, traffic monitoring or surveillance. The specific task requires not only realistic-looking reconstructed images but it also needs to preserve the text information. Standard CNN SR and GANs fail to accomplish this requirment. The incorporation of the OCR pipeline into the method also allows training of the network without the need of ground truth high resolution data which enables easy training on real data with all the real image degradations including compression.

  • Název v anglickém jazyce

    Perceptual license plate super-resolution with CTC loss

  • Popis výsledku anglicky

    We present a novel method for super-resolution (SR) of license plate images based on an end-to-end convolutional neural networks (CNN) combining generative adversial networksn(GANs) and optical character recognition (OCR). License plate SR systems play an important role in number of security applications such as improvement of road safety, traffic monitoring or surveillance. The specific task requires not only realistic-looking reconstructed images but it also needs to preserve the text information. Standard CNN SR and GANs fail to accomplish this requirment. The incorporation of the OCR pipeline into the method also allows training of the network without the need of ground truth high resolution data which enables easy training on real data with all the real image degradations including compression.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2020

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    IS and T International Symposium on Electronic Imaging Science and Technology

  • ISBN

  • ISSN

    2470-1173

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    52-57

  • Název nakladatele

    Society for Imaging Science and Technology

  • Místo vydání

    Springfield, USA

  • Místo konání akce

    Burlingame, CA, USA

  • Datum konání akce

    26. 1. 2020

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku